1.一種利用聲音信號(hào)檢測(cè)鍵盤敲擊內(nèi)容的系統(tǒng)，其特征在于，包括：
信號(hào)接收端，用于接收敲擊鍵盤產(chǎn)生的聲音信號(hào)并進(jìn)行預(yù)處理；
判斷模塊，用于根據(jù)接收端接收到的信息，根據(jù)特征進(jìn)行之前訓(xùn)練的參數(shù)進(jìn)行分類匹配，識(shí)別出所敲擊的鍵;
反饋模塊，將判斷模塊檢測(cè)出的結(jié)果和已知的類別進(jìn)行比對(duì)，如果出現(xiàn)偏差，進(jìn)行校正，從而是判別算法更為精確;
顯示模塊，用來顯示識(shí)別出的結(jié)果。
2.如權(quán)利要求1所述的利用聲音信號(hào)檢測(cè)鍵盤敲擊內(nèi)容的系統(tǒng)，其特征在于：所述信號(hào)接收端用于接收敲擊鍵盤所產(chǎn)生的聲音信號(hào),包括但不限于智能手機(jī)及樹莓派鏈接的麥克風(fēng)系統(tǒng)。
3.如權(quán)利要求1所述的利用聲音信號(hào)檢測(cè)鍵盤敲擊內(nèi)容的系統(tǒng)，其特征在于：所述判斷模塊中，根據(jù)接收端接收到信息，將能量歸一化后值及時(shí)間差作為特征，調(diào)整參數(shù)后，利用分類算法進(jìn)行更好的匹配。
4.如權(quán)利要求1所述的利用聲音信號(hào)檢測(cè)鍵盤敲擊內(nèi)容的系統(tǒng)，其特征在于，所述反饋模塊用于反饋針對(duì)分類識(shí)別的結(jié)果的響應(yīng)信息，調(diào)整分類算法模型。
5.如權(quán)利要求1所述的利用聲音信號(hào)檢測(cè)鍵盤敲擊內(nèi)容的系統(tǒng)，其特征在于，所述判斷模塊采用以下步驟進(jìn)行鍵的識(shí)別：
321，采用統(tǒng)計(jì)學(xué)習(xí)理論，預(yù)先建立起以設(shè)定空間內(nèi)由于鍵盤敲擊的特性不通所導(dǎo)致聲音信號(hào)變化的模式作為訓(xùn)練樣本的模型；
322，用于兩個(gè)麥克風(fēng)接收到能量差值和時(shí)間差值作為特征值輸入到訓(xùn)練樣本的模型中，從而得出目標(biāo)鍵的類別。
6.一種利用聲音信號(hào)檢測(cè)鍵盤敲擊內(nèi)容的方法，其特征在于，包括如下步驟：
S1、信號(hào)接收端搜集敲擊鍵盤產(chǎn)生的聲音信號(hào)，并對(duì)聲音信號(hào)進(jìn)行預(yù)處理；
S2、利用能量檢測(cè)算法并提取出每個(gè)敲擊動(dòng)作的擊鍵高峰的信號(hào)片段；
S3、計(jì)算每個(gè)敲擊動(dòng)作的短時(shí)能量歸一化值并結(jié)合時(shí)間差值作為特征進(jìn)行分類；
S4、反饋模塊反饋針對(duì)識(shí)別結(jié)果的響應(yīng)信息，調(diào)整分類算法的參數(shù)。
7.根據(jù)權(quán)利要求6 所述的利用聲音信號(hào)檢測(cè)鍵盤敲擊內(nèi)容的方法，其特征在于：所述步驟S1中對(duì)聲音信號(hào)進(jìn)行的預(yù)處理，具體為：
S11、聲音采集裝置采集得到的聲音信號(hào)，采用巴特沃斯過濾方法去進(jìn)行過濾；
S12、先采集一段環(huán)境中的聲音信號(hào)，將后期的信號(hào)減去起初采集的信號(hào)，達(dá)到更好的過濾效果。
8.根據(jù)權(quán)利要求6所述的利用聲音信號(hào)檢測(cè)鍵盤敲擊內(nèi)容的方法，其特征在于：所述步驟S2中，利用能量檢測(cè)算法檢測(cè)并提取出每個(gè)敲擊動(dòng)作的聲音片段包括：
S21、一個(gè)敲擊動(dòng)作存在三個(gè)波峰，根據(jù)能量檢測(cè)算法檢測(cè)出所要分析的敲擊波峰；
S22、對(duì)識(shí)別出的敲擊波峰后，通過一個(gè)閾值來判斷敲擊的起始點(diǎn)和終止點(diǎn)。
9.根據(jù)權(quán)利要求6所述的利用聲音信號(hào)檢測(cè)鍵盤敲擊內(nèi)容的方法，其特征在于：所述步驟S3進(jìn)一步包括：
S31、為了使得整個(gè)鍵盤敲擊的識(shí)別準(zhǔn)確率更高，引入時(shí)間差作為每次敲擊的另外一個(gè)特征并將兩個(gè)特征進(jìn)行融合；
S32、為了將分類匹配算法更為準(zhǔn)確，引入性能更優(yōu)的神經(jīng)網(wǎng)絡(luò)算法進(jìn)行分類匹配，識(shí)別出每次的敲擊。